作者：默思編輯部 發布：2026-09-15
2026年9月1日上線的Claude Fable 5.1（Max），在Code Arena的WebDev排行榜上以1765分奪下總排名第一，與排名第二、來自阿里巴巴的Qwen3.8 Max（1688分）拉開77分差距。若只看非Astra版本的Elo分數，Fable 5.1同樣以1762分穩居榜首。
多數AI程式能力評測（如HumanEval、SWE-bench）測的是模型解決教科書式演算法題目或修復GitHub issue的能力，題目相對封閉、答案可自動化驗證。Code Arena: WebDev則不同：它讓模型完成真實的前端開發任務（例如「做一個可以拖拉排序的看板」），再由社群成員實際操作產出的網頁，依可用性、視覺完成度、互動流暢度投票排名，而不是單靠自動化測試套件打分。這種「人類實際用過才知道好不好」的評測方式，被許多前端工程師認為更貼近日常開發情境，也因此WebDev榜單的排名變化，往往比抽象的跑分數字更受業界關注。
Fable 5.1（Max）是在前代Fable 5（Max）的基礎上迭代，而Fable 5（Max）在WebDev榜單上僅排名第八、拿下1628分。換算下來，新版本在短短一次迭代內拉高了137分，且順勢從中段班一舉衝上榜首，顯示Anthropic這次疊代在前端生成品質上做了針對性優化，而不只是通用能力的小幅提升。
值得注意的是，追上來的不是老對手GPT系列或Gemini系列，而是阿里巴巴的Qwen3.8 Max——這也是阿里模型首次擠進WebDev榜單前三名。這反映出中國模型廠商在前端程式生成這個相對「軟性」（依賴審美與互動細節、而非純邏輯正確性）的任務類型上，追趕速度並不慢，對長期只關注歐美大廠動態的工程師來說，是一個值得留意的訊號。
對正在評估要不要把AI輔助前端開發工具導入日常工作流的工程師而言，這類真人評測榜單比廠商自己公布的跑分更有參考價值——它反映的是「模型產出的畫面和互動邏輯，一般使用者願不願意買單」，而不是「模型會不會解某一類特定演算法題」。如果你的工作內容更偏前端、UI/UX實作，這類榜單的變化速度也提示了一件事：AI輔助工具的能力差距正在快速拉開，選對工具、持續追蹤榜單更新，會是接下來一段時間值得投入的技能。
想系統化建立扎實的程式基礎，讓自己在AI工具快速迭代的時代仍保有不可取代的判斷力，可以參考Python課程。